Modelando el pasado para predecir el futuro COVID-19
Crédito: Pixabay/CC0 Dominio público
Investigadores de la Universidad de Alabama, junto con socios internacionales, aplicaron una herramienta matemática utilizada para modelar procesos geoquímicos a infecciones de COVID-19, encontrar el modelo puede ayudar a comprender la pandemia de coronavirus y evaluar el impacto de diferentes estrategias de mitigación en la infección de la enfermedad.
El equipo dirigido por el Dr. Yong Zhang, profesor asociado de ciencias geológicas, utilizó una nueva técnica de cálculo fraccionado para modelar la propagación del coronavirus. Él y el Dr. Geoffrey Tick, profesor de ciencias geológicas, normalmente aplican esta técnica matemática para modelar los movimientos del agua y los contaminantes en el suelo y las aguas subterráneas.
«La propagación de COVID-19 es análoga a la reacción bimolecular controlada por difusión , y por lo tanto, el conocimiento aprendido de otras disciplinas puede ayudarnos a comprender la propagación de la pandemia», dijo Zhang. «Muchos procesos aleatorios que incluyen la propagación de virus, el transporte de contaminantes, la fluctuación del mercado de valores, eventos de tormentas/sequías e incluso la deriva continental, aunque impulsados por diferentes mecanismos y evolucionando en diferentes escalas espaciotemporales, tienden a exhibir características estocásticas similares que pueden describirse bien mediante cálculo fraccionario. técnicas».
En un artículo publicado el mes pasado en la revista Chaos, Solitons & Fractals, Zhang, Tick y sus colegas de universidades y un hospital en China informaron que los modelos basados en cálculo fraccional pueden complementar los enfoques estándar de modelos infecciosos que predicen casos futuros al reproducir la propagación infecciosa hacia atrás desde las muertes actuales debido a COVID-19.
«Este modelo puede ayudarnos a comprender mejor la naturaleza de los procesos del mundo real que ya han ocurrido, lo que, a su vez, , nos da una mejor idea de dónde estamos con la propagación de COVID-19 y ayuda a predecir su evolución en el futuro», dijo Zhang.
Para ver cómo el cálculo fraccionario cou Para modelar la pandemia, los investigadores comenzaron con los datos de China del 23 de enero al 22 de marzo, cuando las infecciones por coronavirus alcanzaron su punto máximo, y capturaron la evolución de la mortalidad del virus durante los siguientes tres meses. Descubrieron que el modelo matemático funcionó bien al capturar la muerte a lo largo del tiempo en China, Italia, Corea del Sur y Japón.
El modelo confirmó que el distanciamiento social estricto puede retrasar la propagación del coronavirus y reducir las infecciones a la mitad, pero también descubrió que la pandemia tendrá una duración aproximadamente dos tercios más larga que en escenarios sin un distanciamiento social estricto.
Los investigadores, sin embargo, encontraron que el modelo calibrado con los datos informados de China no funcionó bien para igualar la evolución de la pandemia observada durante los últimos tres meses en los Estados Unidos y no era confiable para predecir la evolución futura de la pandemia debido al número máximo desconocido de infecciones y las estrategias de control de mitigación muy diferentes adoptadas por los diferentes países.
Por ejemplo, la población infectada diaria actual puede haber alcanzado su punto máximo el 14 de abril en la ciudad de Nueva York, lo que da como resultado un modelo de infección que puede predecir la futura pandemia en las mismas condiciones. Sin embargo, para el condado de Montgomery, Alabama, la población infectada actual aún no ha alcanzado su punto máximo, por lo que existen importantes desafíos e incertidumbre para una predicción del modelo más confiable, dijo.
«Es fácil en matemáticas calcular el estado de pandemia en el próximo mes usando nuestro modelo bien validado», dijo Zhang. «Sin embargo, sin la capacidad de cuantificar adecuadamente el pico de la población infectada actual, la predicción del modelo de COVID-19 contiene una gran incertidumbre y representa solo un escenario de muchas posibilidades en el futuro».
Más datos son necesarios para disminuir la incertidumbre del modelo, dijo Zhang.
Explore más
Las matemáticas detrás del modelo COVID-19 Más información: Yong Zhang et al. Aplicabilidad de modelos derivados fraccionarios de tiempo para simular la dinámica y escenarios de mitigación de COVID-19, Chaos, Solitons & Fractals (2020). DOI: 10.1016/j.chaos.2020.109959 Proporcionado por la Universidad de Alabama en Tuscaloosa Cita: Modelando el pasado para predecir el futuro COVID-19 (22 de julio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress .com/news/2020-07-future-covid-.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.